年度十大前沿科技

熊元嘉

我們正處于一個嶄新的技術(shù)創(chuàng)新周期，這一點(diǎn)似乎從科技創(chuàng)新、產(chǎn)學(xué)研轉(zhuǎn)換越來越響亮，就已經(jīng)被更廣泛感知了。但如果以年為單位，究竟有哪些前沿技術(shù)和創(chuàng)新突破正在從幕后來到臺前，從實驗室走向產(chǎn)業(yè)，即將影響我們每個人。

CRISPR助力基因編輯可控可靠

以CRISPR-Cas9為代表的基因編輯技術(shù)，正在一步步走向成熟，從實驗室邁向臨床應(yīng)用。

2021年6月，全球首個人體體內(nèi)CRISPR基因編輯臨床試驗結(jié)果公布。Intellia和Regeneron聯(lián)合給出的臨床數(shù)據(jù)首次證明，體內(nèi)療法能有效抑制遺傳病相關(guān)的蛋白質(zhì)表達(dá)。

在國內(nèi)，博雅輯因的相關(guān)CRISPR療法研究產(chǎn)品ET-01已成國內(nèi)首個獲國家藥監(jiān)局批準(zhǔn)開展床試驗的基因編輯療法產(chǎn)品。在尋找到合適的基因遞送載體、進(jìn)一步深化基因組學(xué)研究，并解決長期穩(wěn)定性等問題后，基因編輯將為疾病治療和物種改造開創(chuàng)新藍(lán)海。

基因療法理論上能徹底治愈所有先天性基因缺陷引起的遺傳病、基因突變引起的癌癥。同時，在血液瘤、罕見遺傳病等基因相關(guān)疾病意義重大，有望為更多疾病填補(bǔ)療法空白。

除此之外，基因編輯還可與細(xì)胞治療結(jié)合，完成CAR-T細(xì)胞療法等體外基因治療。在業(yè)界看來，由于可基于病患情況快速且針對性制備患者所需細(xì)胞（尤其是同種異體細(xì)胞），未來有望推進(jìn)重大疾病的個性化治療，并改變過往藥物標(biāo)準(zhǔn)化生產(chǎn)及分發(fā)的醫(yī)療流程。

而在合成生物學(xué)上的應(yīng)用，可利用不同的基因控制模塊創(chuàng)造更為復(fù)雜的生物系統(tǒng)。

分子育種，作為代表領(lǐng)域之一，相較于傳統(tǒng)利用表型與自然選擇篩選方式，結(jié)合基因編輯后可以有目的性地改變物種的應(yīng)激耐受性、組成、產(chǎn)量、繁殖等性狀，縮短物種馴化周期，創(chuàng)造性狀更加優(yōu)良的物種。

此外，在輔助其他醫(yī)療手段、DNA存儲等領(lǐng)域也正在發(fā)揮作用。

簡單總結(jié)，基于基因編輯技術(shù)，生命科學(xué)研究有望實現(xiàn)“精準(zhǔn)規(guī)劃+精細(xì)改造”。

生命科學(xué)迎來數(shù)據(jù)驅(qū)動時代

AlphaFold，一個計算生物領(lǐng)域的AlphaGo。但實際只是計算生物學(xué)蓬勃發(fā)展的一個縮影，大背景是，計算生物學(xué)正引領(lǐng)生命科學(xué)走向數(shù)據(jù)驅(qū)動時代。

隨著高通量測序、納米操作、生物芯片等技術(shù)不斷成熟，生物信息數(shù)據(jù)不斷積累，計算生物學(xué)也借此發(fā)展起來。它通過構(gòu)建算法和模型，從分子層面理解生物學(xué)現(xiàn)象及機(jī)制本身，推進(jìn)相關(guān)研究及應(yīng)用，核心代表正是AlphaFold2。

利用原有的實驗手段（X射線衍射、冷凍電鏡），過去科學(xué)家們數(shù)十年的努力，也只覆蓋了人類蛋白質(zhì)序列中17 %氨基酸殘基。當(dāng)前計算生物學(xué)正在形成多維度的預(yù)測體系，包括蛋白質(zhì)結(jié)構(gòu)與蛋白質(zhì)組學(xué)、分子生物動力學(xué)、基因組生物信息學(xué)、系統(tǒng)建模和進(jìn)化基因組學(xué)。

科學(xué)家們可基于其強(qiáng)大的計算能力和跨維度分析能力，尋求不同表達(dá)/現(xiàn)象與生物信息之間的關(guān)系。與此同時，計算生物學(xué)能通過高效精準(zhǔn)的計算推演帶動上層應(yīng)用。

基于蛋白質(zhì)功能及相互作用預(yù)測、化合物性質(zhì)預(yù)測、基因點(diǎn)位預(yù)測等，加速AI制藥、疾病研究和物種改造等領(lǐng)域的發(fā)展。

計算生物學(xué)也為生命科學(xué)提供了新的研究思路———干濕結(jié)合的數(shù)據(jù)閉環(huán)」的新模式。

先通過充足且豐富的定量干實驗（AI模型）覆蓋待搜索空間，為濕實驗室（傳統(tǒng)生物實驗）中的測試提供精準(zhǔn)假設(shè)，二者共同迭代加速。

未來值得關(guān)注的領(lǐng)域還包括，生物學(xué)問題的AI可解釋性、提供高質(zhì)量數(shù)據(jù)的實驗設(shè)備、多類型數(shù)據(jù)的整合和標(biāo)準(zhǔn)化。

侵入式腦機(jī)接口落地高難醫(yī)療場景

醫(yī)療康復(fù)，作為腦機(jī)接口領(lǐng)域的核心場景，一直以來都被寄予厚望。

相較于技術(shù)門檻較低的非侵入式腦機(jī)接口，侵入式針對的場景往往精細(xì)度更高、底層原理更復(fù)雜，但對嚴(yán)重癱瘓等高難醫(yī)療領(lǐng)域有重大的意義。場景主要體現(xiàn)在運(yùn)動、情感和感知等3個方面：幫助殘障人士恢復(fù)控制及表達(dá)能力；幫助抑郁癥、成癮等疾病患者調(diào)節(jié)心理狀態(tài)；治療阿爾茲海默癥等神經(jīng)退行性疾病。

如今，隨著無線通信、多通道柔性電極、植入手段、芯片和機(jī)器學(xué)習(xí)算法等技術(shù)的發(fā)展，侵入式腦接機(jī)口正逐步跨越工程化和臨床難題。以Nature意念打字技術(shù)為代表，侵入式腦機(jī)接口展現(xiàn)了效果理想的臨床試驗，商業(yè)化發(fā)展初具雛形。

國家政策引導(dǎo)下，我國侵入式腦機(jī)接口也開始加速發(fā)展：清華李路明團(tuán)隊研發(fā)第二代腦起搏器；瑞金醫(yī)院開展重度抑郁癥治療的臨床試驗；浙江大學(xué)及浙大二院神經(jīng)外科完成了國內(nèi)首例侵入式腦機(jī)接口的臨床試驗，為高位截癱老人安上機(jī)械臂；以及清華大學(xué)、天津大學(xué)、上海交通大學(xué)、中國科學(xué)院、華南理工大學(xué)等高校都已成立重點(diǎn)科研團(tuán)隊。

在科學(xué)家進(jìn)一步了解大腦如何運(yùn)作（比如感知區(qū)域）后，腦機(jī)接口將會發(fā)揮更多作用，幫助患者恢復(fù)觸覺、視覺等特定感知能力。

AI制藥為醫(yī)藥研發(fā)提供新解法

傳統(tǒng)新藥研發(fā)是一個昂貴、漫長而艱難的過程。除了成本高、周期長、成功率低這些困境，藥物研發(fā)面臨的更大瓶頸在于創(chuàng)新。

在制藥領(lǐng)域，有個知名的反摩爾定律———每隔9年，投資10億美元產(chǎn)出的上市新藥就減少一半。更為常見的是，首創(chuàng)藥物占獲批新藥總數(shù)量不足一半。

但隨著計算機(jī)生物學(xué)和人工智能的發(fā)展，AI能在各個制藥環(huán)節(jié)大面積搜索潛在空間，尋找過往因人為經(jīng)驗、實驗環(huán)境等外界限制未發(fā)現(xiàn)的靶點(diǎn)、化合物或晶型等，為創(chuàng)新藥物研發(fā)提供有力工具。

AI制藥已由“從0～1”階段進(jìn)入到“從1～10”的階段，已有多個企業(yè)的AI設(shè)計藥物進(jìn)入臨床試驗，以傳統(tǒng)藥企主導(dǎo)的大型AI制藥聯(lián)盟也已經(jīng)多地開花。

不過在進(jìn)一步發(fā)展之后，數(shù)據(jù)瓶頸不容忽視：高質(zhì)量研發(fā)數(shù)據(jù)不足，以及醫(yī)藥研發(fā)可用數(shù)據(jù)與靶點(diǎn)價值成反比。好在目前業(yè)內(nèi)已經(jīng)有了相應(yīng)的解決方案，比如建立藥物大數(shù)據(jù)實驗室、多學(xué)科融合等方法。

從更長遠(yuǎn)的角度來看，藥物優(yōu)化本質(zhì)上是一個多目標(biāo)優(yōu)化的過程。當(dāng)下AI制藥行業(yè)大多停留在對技術(shù)難題的局部突破，即單獨(dú)針對特定性質(zhì)（靶向性、穩(wěn)定性和吸收性等）反復(fù)迭代。如何基于整體優(yōu)化的思路，使AI模型一次性滿足多樣化需求，成為當(dāng)下國內(nèi)外AI制藥企業(yè)關(guān)注的重點(diǎn)。

多模態(tài)多維度大模型預(yù)示通用智能

2021年，大規(guī)模成為了谷歌、阿里、華為、百度和微軟等各方大廠的軍備競賽，科技企業(yè)的開發(fā)思路從多點(diǎn)開花的大煉模型變?yōu)榧谢鹆Φ臒挻竽Ｐ汀Ｓ捎诰哂袕?qiáng)通用性和少樣本學(xué)習(xí)能力，大模型正在為AI帶來集約式新開發(fā)模式與商業(yè)模式。與此同時，跨模態(tài)預(yù)訓(xùn)練模型（比如DALL·E、CLIP）的出現(xiàn)，預(yù)示了通用智能的可實現(xiàn)性，業(yè)內(nèi)普遍認(rèn)為“一次開發(fā)，終身使用”。

擁有更通識的大模型將為細(xì)分任務(wù)奠定基礎(chǔ)，后續(xù)應(yīng)用無需投入大量標(biāo)注數(shù)據(jù)和從頭訓(xùn)練調(diào)參，效率明顯提升。

發(fā)展至今，參數(shù)量已不僅是大模型追求的唯一指標(biāo)。多模態(tài)、多維度功能（跨語言、多任務(wù)）、效率、知識增強(qiáng)和高效率等因素成為現(xiàn)有模型的關(guān)注方向。

多模態(tài)學(xué)習(xí)成為當(dāng)中的重要趨勢，它可以被應(yīng)用在歸一、轉(zhuǎn)化、翻譯對齊、融合及協(xié)同學(xué)習(xí)上。按照下游任務(wù)則可以劃分為視覺問答、視覺推理、圖文檢索等理解式任務(wù)和生成式任務(wù)（文字生成圖像）。

由于跨領(lǐng)域通用，量子位分析師認(rèn)為，大規(guī)模預(yù)訓(xùn)練模型在未來可能會擔(dān)任類似基礎(chǔ)設(shè)施生態(tài)的中間層角色，為不同的行業(yè)生態(tài)承擔(dān)過渡作用。

在應(yīng)用層，也給人工智能各行各業(yè)的應(yīng)用和發(fā)展帶來了機(jī)遇，例如自動化內(nèi)容生成、內(nèi)容翻譯和機(jī)器人對話等。大模型也在這個過程中提升自身性能，發(fā)揮數(shù)據(jù)閉環(huán)的迭代效應(yīng)。

新型AI芯片引領(lǐng)后摩爾時代

隨著AI在各類場景中廣泛落地，傳統(tǒng)依靠制程工藝提升的AI芯片難以滿足需求。

在集成電路的未來三大演進(jìn)路線中，以完全架構(gòu)創(chuàng)新所代表的“More than Moore”成為下一代AI芯片的重點(diǎn)方向。其中類腦計算、存算一體、量子計算和數(shù)據(jù)流AI計算都是選擇。

以效仿人腦開發(fā)、事件驅(qū)動型的神經(jīng)擬態(tài)芯片為例。由于盡可能模仿了神經(jīng)元間電脈沖傳遞的方式，神經(jīng)擬態(tài)芯片天然符合事件驅(qū)動機(jī)制，且存算一體、在時延和能耗上都有顯著降低。國際上的代表廠商包括IBM，Intel，BrainChip；國內(nèi)參與者包括清華大學(xué)的天機(jī)芯（后轉(zhuǎn)化為靈汐科技）、浙江大學(xué)等。

再來看存算一體芯片。傳統(tǒng)芯片以存算分離為特征，有個著名的馮諾依曼瓶頸。由于工藝封裝需求的不同，導(dǎo)致處理器和存儲器間的發(fā)展速度差異越來越大，芯片計算能力從帶寬和時延兩方面嚴(yán)重受制于存儲單元。這一點(diǎn)在無人駕駛等邊緣計算場景尤為突出。而存算一體的本質(zhì)正是存、算二者更緊密的結(jié)合在一起，以減少數(shù)據(jù)搬運(yùn)導(dǎo)致的不必要時延和能耗。

目前主流路線有2類：直接讓存儲單元實現(xiàn)計算功能的存內(nèi)計算；緊密耦合存儲單元和計算邏輯但計算仍由獨(dú)立計算單元完成近內(nèi)存計算。

除去變革底層架構(gòu)的芯片設(shè)計外，AI芯片還有其他問題需要克服，例如效能和編程靈活性的平衡，芯片IP壁壘、供應(yīng)鏈安全和應(yīng)用生態(tài)等問題。

基于不同的場景，分析師對相應(yīng)的新型芯片進(jìn)行了梳理，大致分為數(shù)據(jù)處理器DPU、數(shù)據(jù)流架構(gòu)芯片、光量子芯片、非硅基芯片和AI自主設(shè)計芯片。

AIGC領(lǐng)域出現(xiàn)綜合性虛擬人

AIGC和AI生成虛擬內(nèi)容，以2018年在視頻中更換人臉的Deepfake為代表性事件。GAN、大型預(yù)訓(xùn)練模型、自編碼器等都屬于AIGC領(lǐng)域常用的技術(shù)手段。

隨著深度學(xué)習(xí)的發(fā)展，AI生成虛擬內(nèi)容AIGC正滲透在圖像、視頻、CG和AI訓(xùn)練數(shù)據(jù)等各類領(lǐng)域，甚至同時覆蓋多模態(tài)的虛擬人技術(shù)。

虛擬數(shù)字人指存在于非物理世界中，由圖形渲染、動作捕捉、語音合成等計算機(jī)手段創(chuàng)造及使用，并具有多重人類特征的綜合產(chǎn)物。目前分為“CG建模+真人驅(qū)動”和“深度合成+計算驅(qū)動”2類。

其中，計算驅(qū)動的虛擬人最終效果受到多種AI生成技術(shù)的共同影響，比如語音生成、文本生成及理解、圖像生成等。

內(nèi)容創(chuàng)作已經(jīng)從早期的高度依賴人，開始逐漸向“人力+算力”轉(zhuǎn)變。除了直接應(yīng)用于內(nèi)容相關(guān)的商業(yè)場景（新聞、有聲讀物和工業(yè)設(shè)計等），AI還極大降低生成門檻，推動內(nèi)容創(chuàng)作高度定制化、自動化以及民主化。

XR打造第二世界催熟元宇宙

2021年，元宇宙成為當(dāng)之無愧的熱點(diǎn)詞匯，在其7層劃分中，由于感受最為直觀，涉及顯示器、傳感器、跟蹤設(shè)備和定位設(shè)備等的人機(jī)交互成為關(guān)鍵一環(huán)。

而作為其核心載體XR，迎來了第二波高潮。相較于第一波泡沫期存在自身技術(shù)指標(biāo)欠佳、技術(shù)配套體系生態(tài)不完善、落地應(yīng)用缺位等種種問題，XR在這一輪得到了體系化的提升發(fā)展。

XR的技術(shù)生態(tài)關(guān)聯(lián)甚廣，包含近眼顯示、感知交互、芯片模組、網(wǎng)絡(luò)傳輸和電池等，此外還需與5G、云計算、AI等技術(shù)融合。

而今，整體技術(shù)生態(tài)走向成熟。通過改善光學(xué)器件、空間計算、異構(gòu)計算體系、渲染引擎、交互自由度和定位方式等要素，過往觀看不適、畫面粗糙等問題得到了解決。

在過去依托錄音、錄像等形式跨越時間，借助手機(jī)、互聯(lián)網(wǎng)等跨越2D空間后，XR實現(xiàn)了進(jìn)一步跨越。一方面，跨越了3D空間，以更立體、更真實的方式突破現(xiàn)場觀察和操作的限制，信息的還原和傳遞成本被進(jìn)一步降低；另一方面，跨越了現(xiàn)實的限制，使人們在第二空間溝通娛樂。

固態(tài)等新型電池提升儲能上限

理想的電池應(yīng)當(dāng)有效平衡安全性、能量密度、充放電功率、體積、成本等因素。

然而，即便是應(yīng)用最廣泛的鋰離子電池，也難以徹底解決枝晶導(dǎo)致的易燃問題，在安全上存在明顯短板。與此同時，受化學(xué)性質(zhì)限制，鋰電池的能源效率即將達(dá)到上限，難以滿足未來的儲能需求。

要解決當(dāng)前困境，新型動力電池的開發(fā)思路大致分為2類：一是替代原有基于鋰離子的電化學(xué)反應(yīng)機(jī)制，著重基于鋰硫、納、鋅、鋁，甚至氣體等新思路的開發(fā)，但短期內(nèi)難以實現(xiàn)替代；二是在改進(jìn)現(xiàn)有的鋰電池，比如在電解質(zhì)、正負(fù)極材料、導(dǎo)電劑優(yōu)化等方面進(jìn)一步改進(jìn)，以2021年部分進(jìn)入量產(chǎn)的固態(tài)電池為代表。

固態(tài)電池以固態(tài)電解質(zhì)替代液態(tài)電解質(zhì)，盡管在離子導(dǎo)電率上稍顯遜色，但由于理論上能有效抑制鋰枝晶的生長，在安全性上有明顯的優(yōu)越性，此外在柔性、便攜性等方面上也具有極大的優(yōu)勢。

不過，現(xiàn)有的固態(tài)電池仍具有局限性，固液結(jié)合電池勢必成為過渡。為了推動前沿技術(shù)的商業(yè)化應(yīng)用，鋰電池制造廠商與相關(guān)實驗室合作已成為常態(tài)。

量子計算變革經(jīng)典計算范式

以中科大為首的中國隊，在量子計算的硬件研發(fā)上，2021年已經(jīng)來到世界的前列。

當(dāng)前，我國是世界上唯一在2種物理體系達(dá)到“量子計算優(yōu)越性”里程碑的國家。具體指以“九章”為代表的光子路線、以“祖沖”之號為代表的超導(dǎo)路線。

而在應(yīng)用及配套設(shè)施方面，金融、醫(yī)藥、汽車和化學(xué)等領(lǐng)域已明確了特定問題下量子計算的使用。

芯片、操作系統(tǒng)、一站式平臺等也相繼出現(xiàn)，比如百度量子平臺對接中科院物理所的超導(dǎo)量子芯片，并發(fā)布云原生量子計算平臺量易伏，初創(chuàng)公司本源量子也已發(fā)布國內(nèi)首個量子計算操作系統(tǒng)本源思南。

在微觀模擬、復(fù)雜建模等特定問題下，量子計算展現(xiàn)了經(jīng)典計算難以實現(xiàn)的優(yōu)勢。未來，超算中心可能會出現(xiàn)量子-經(jīng)典混合架構(gòu)，由量子計算和經(jīng)典計算會進(jìn)行配合，以解決特定大規(guī)模問題。

3919501908295